AsyncTalk

AsyncTalk 的全部节目

共 83 集。

MCP 0728:让 MCP 再次伟大

MCP 0728:让 MCP 再次伟大

AsyncTalk

很多人觉得 Skills 火了之后 MCP 就凉了。但 MCP 0728 这次更新,我愿意叫它「MCP 2」� � MCP 1 的老毛病:有状态 远程连接要一直维持 session,扩缩容和负载均衡都很难做。一发新版本,用户聊着聊着就断了,只能重开 session。 � Skills + CLI 真的完美吗? · CLI 靠单词拼接,表达力不如自然语言 · 必须有机器来跑(本地或云端 VM),成本高 · CLI 是黑盒,npm 那种供应链攻击蔓延到 Skills 只是早晚的事 · 一个命令是读还是写,全靠开发者自觉遵守语义 MCP 0728 改了什么 它去掉了 session,变成像 HTTP 一样的无状态接口,每次请求带上 header 就行。 → 扩容和 load balance 又能按熟悉的方式做了 → 每个 tool 都分只读和写,权限好管,也方便审计 → 跑在远程 server 上,不碰你的电脑,更安全 � 实战演示 我用 ShellTime 和 Rawback 的 MCP server 演示:只读 tool 一键「Always allow」,写和删除单独授权;再让 Claude 直接分析我最近的 AI 使用数据。 章节 00:00 开场:MCP 2 来了 00:23 MCP:AI 连接外部世界的入口 01:11 一个比喻:脑子、手、技能和冰箱 02:06 MCP 的老问题:有状态 03:23 另一条路:Skills + CLI 04:16 Skills 真的完美吗? 07:47 回到主题:MCP 0728 09:12 实战:ShellTime MCP server 11:20 MCP vs Skills 11:38 你怎么看? 有自己产品的朋友,真心建议自己实现一个 MCP server 试试~ 你觉得 MCP 0728 能 make MCP great again 吗?你站 MCP 还是 Skills?评论区聊聊 � #MCP #AI #AIAgent #ClaudeCode #Claude #Skills #大模型 #人工智能 #程序员 #技术分享 #后端开发 #AsyncTalk

12 分钟 99+ 次播放 1个月前

Jev: 只回答是或否的模型,为什么火了?

Jev: 只回答是或否的模型,为什么火了?

AsyncTalk

这期 AsyncTalk 聊一个前几天突然火起来的模型:TypeSafe 发布的 Jev。 它不聊天、不写长文,只回答简单的问题:是或否、多选一、打分。端到端 70–500 毫秒返回,输入每百万 token 0.042 美元,输出免费。 我们从程序员最熟悉的 if 讲起: · 让大模型做一个「是或否」的判断,要定输出结构、解析 JSON、按 token 计费,又慢又贵 · 纯代码的 if 又理解不了用户意图 · Jev 正好卡在两者中间 然后聊它在 AI Agent 里的用法:意图识别、「这是不是 TypeScript 文件」这类判断、每一步的快速校验。现场实测了几个问题(苹果能不能吃、该不该买沪深 300、今天要不要出去玩)。最后说说它的局限:快、便宜,但不一定更准,同样会有幻觉。 你怎么看这种「快速决断」的模型?欢迎在评论区聊聊。 ⏱ 章节 00:00 开场:一个“没什么智力”的模型为什么火了? 00:19 Jev 是什么 01:05 程序员最重要的语句:if 01:22 让大模型做 if,贵在哪? 02:09 Jev 的位置 02:38 Agent 里的大量 if 03:38 实测 Jev 04:41 它足够可靠吗? 05:21 试一试 & 你怎么看 � 数据来源 片中延迟、成本、准确率数据来自 TypeSafe 公布的 System One 基准,引自: · DataCamp:https://www.datacamp.com/blog/system-one-models-jev · RuntimeWire:https://runtimewire.com/article/typesafe-jev-system-one-ai-model-early-access · NYU Shanghai RITS:https://rits.shanghai.nyu.edu/ai/typesafe-jev-system-one-model � AsyncTalk · 主播 AnnatarHe #Jev #TypeSafe #AI #大模型 #AIAgent #程序员 #编程 #人工智能 #AI工具 #科技播客 #AsyncTalk

5 分钟 99+ 次播放 1个月前

64个Claude: Bun 的 11 天重写

64个Claude: Bun 的 11 天重写

AsyncTalk

Bun 1.4 发布了。作者 Jarred 说这是"变化最小的一个版本"——对用户来说确实是,但整个 runtime 底层已经从 Zig 换成了 Rust。 11 天,峰值 64 个 Claude 同时在同一个仓库里干活,53 万行 Zig 全量翻译成 Rust,API 账单约 16.5 万美金。放在 AI 之前,这种项目只有一个结局:不做。 这期挑了原文里我觉得最有意思的几点聊: · 为什么非要换 Rust —— JavaScriptCore 是带 GC 的,Zig 是手动管内存,两个混在一起,光 use-after-free 和内存泄漏就够喝一壶 · 对抗性 review —— 写代码的 Claude 和挑刺的 Claude 上下文完全隔离,reviewer 只拿到 diff,并且被要求"默认这段代码是错的" · 翻车现场 —— 64 个实例互相 git stash、把编译不过的函数偷偷 stub 掉、写注释写到把磁盘 IOPS 打满 · 编译器报错反而是 AI 最好的反馈信号,一万六千个 error 就是一个天然的任务队列 · 最关键的一条:AI 犯错的时候,要改的不是那段代码,是你的 rules 以及所有人都想问的那个问题:我自己的项目能不能也这么重写? 我的答案是别。Bun 有百万级断言的测试用例兜底,一行写错立刻有几十个 case 报警;而我们写的业务代码,覆盖率能到 50% 都算凤毛麟角,很多逻辑你去问产品经理,他自己都说不清预期是什么。没有验证手段的重写,跟 100 倍杠杆做空纳指有什么区别。 AI 改变的是重写这件事的成本结构,不是正确性的判定标准。 原文很值得自己读一遍,对你搭自己的 harness 帮助很大。有不同看法欢迎评论区聊。 #Bun # Rust #AI编程 #Claude #ClaudeCode #Agent #前端 #JavaScript #Nodejs #程序员 #AsyncTalk

13 分钟 99+ 次播放 2个月前

YoooClaw:给 AI 一具身体

YoooClaw:给 AI 一具身体

AsyncTalk

当 AI Agent 不再只存在于聊天框里,它会变成什么? 本期体验一款很有意思的软硬件结合产品——YoooClaw。它像一个吸附在手机背面的“小型 AI 硬件”,可以通过语音直接向 OpenClaw 下达任务,还能读取并总结手机通知、通过 RGB 灯带反馈重要消息,以及录制对话、识别不同发言者并生成会议总结。 它还支持切换 DeepSeek、GLM 5.2 等不同模型。但比具体功能更值得讨论的,是 YoooClaw 所代表的产品方向: 模型可以替换,App 和 Agent 框架也可以替换,但持续积累的个人上下文、稳定存在的硬件入口,以及从信息感知到任务执行的完整闭环,可能才是 AI 时代真正的护城河。 某种意义上,YoooClaw 就是在尝试给 OpenClaw 一具真实的“身体”。 当然,目前的产品仍然存在不少问题:任务结果展示不够完善、系统推送和定时任务尚未形成完整闭环,位置等上下文也没有得到充分利用。更重要的是,当一个设备能够读取通知、录制音频并长期积累个人信息时,隐私和数据安全将成为无法回避的问题。 这期视频会聊到: YoooClaw 如何通过硬件与 OpenClaw 交互 • AI 通知总结与 Apple Intelligence 的体验差异 • 录音、发言人识别和会议总结 • 为什么持续积累的 Context 如此重要 • 硬件入口为什么可能成为 AI 产品的商业护城河 • YoooClaw 当前的产品缺陷与隐私风险 你认为这种软硬件结合的 AI Agent,会成为下一代个人 AI 助手的主流形态吗?

10 分钟 99+ 次播放 3个月前

AI Agent 必备的 ChatSDK

AI Agent 必备的 ChatSDK

AsyncTalk

你肯定见过 OpenClaw 这种 AI Agent——挂在服务器上,你在聊天框 @ 它一句,它就自己动手把活办了:查资料、改文件、跑脚本……不只是会聊天,而是真能动手干活,也就是现在常说的 agentic。那要自己做一个这样的 agent,是不是得把每个平台的 API 和 webhook 都单独研究一遍、写一堆胶水代码? 这期聊 Vercel 开源的 ChatSDK——可以把它理解成「AI Agent 的对话接入层」。它把 Slack、Microsoft Teams、Discord、Telegram、GitHub、WhatsApp… 十多个平台的机器人逻辑统一了起来:你只写一套 TypeScript 代码,在一个 onNewMention 回调里 subscribe 再 post,你的 agent 就能在所有平台上跑起来。 视频里会带你看: · ChatSDK 的三个核心概念——Chat、Adapter、State · 怎么用一个 callback 统一处理各平台的 webhook,把"接入层"这件最烦的事交出去 · 从"在 GitHub 里 @ 一下机器人帮你改个颜色"出发,一路扩展到 Slack 等更多平台 · 内置 AI streaming、和 AI SDK 打通,接你自己的 agent 逻辑很顺 · 聊天状态怎么持久化(memory / Redis);社区还有飞书等国内平台的 adapter 一句话:在 ChatSDK 的帮助下,"造一个属于自己的 OpenClaw、把你的 AI Agent 放进各个聊天软件"已经变成挺简单的一件事了。 你会想拿它做个什么样的 agent?或者你已经在搭什么有意思的功能了?评论区聊聊 � —— AsyncTalk 异步聊技术,既有趣又有料,我们下期见 #ChatSDK #AIAgent #AI机器人 #Vercel #OpenClaw #TypeScript #asynctalk

4 分钟 99+ 次播放 4个月前

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧